Essai de classification

On peut classer les différents systèmes d'apprentissage en fonction de la quantité de travail (inférences) effectué par la machine pour apprendre

108 CHAPITRE VIII. L'APPRENTISSAGE un concept. Considérons les deux extrêmes : un système qui n'effectue aucune inférence et un système exécutant une énorme quantité d'inférences. La programmation d'un ordinateur augmente sa connaissance, mais ne lui demande aucun effort pour l'assimiler. Seul le programmeur doit fournir le travail intellectuel. A l'opposé, un système qui formule de nouvelles théories à partir de la seule observation de son environnement, sans intervention extérieure, exécute une quantité appréciable d'inférences. A mi-chemin entre ces deux extrêmes, on trouve, par exemple, un système qui résoud des problèmes en se basant sur des exemples similaires et déjà résolus. La quantité d'inférences à effectuer est grande, mais nettement moins que dans l'exemple précédant. On remarque ainsi que l'effort fourni par !'enseigné augmente en même temps que celui fourni par l'enseignant diminue. On peut donc classifier les stratégies de l'apprentissage automatique en fonction du critère de l'effort que doivent fournir l'enseignant et !'enseigné :

1. L'apprentissage mécanique ou (apprentissage direct). L'ensei-gné n'effectue aucune transformation sur la connaissance qui lui est enseignée. Cette connaissance est fournie par l'enseignant sous une forme directement utilisable par la machine. Deux variantes existent :

• l'apprentissage par programmation, correspondant à la program-mation classique des ordinateurs,

• l'apprentissage par mémorisation directe de faits ou de données.

Un exemple typique illustre ce type d'apprentissage élémentaire:

Le jeu animais. Il s'agit d'un programme qui pose à

L'apprentissage automatique

Merci ... Voulez-vous recommencer le jeu ?

OUI.

Pensez à un animal... Votre animal miaule-t-il ?

On constate qu'à chaque passage, la connaissance du système augmente. Or, l'implantation d'un tel système est triviale et correspond simplement à la construction d'un arbre binaire dégénéré.

109

2. L'apprentissage par consignes. Cette forme d'apprentissage exi-ge de la part de !'enseigné - qui reçoit la nouvelle connaissance d'un professeur ou de toute autre source organisée - qu'il transforme cette connaissance exprimée par le professeur dans un langage donné, en une représentation interne utilisable par le système. La machine ef-fectue un certain nombre d'inférences, mais la grande partie du tra-vail est effectuée par l'enseignant qui doit préparer et organiser la connaissance, de manière à ce qu'elle puisse facilement augmenter celle que !'enseigné possède déjà. L'apprentissage par consignes est la plus proche des méthodes humaines d'apprentissage. Le système d'apprentissage devient une entité capable de recevoir des conseils, de les emmagasiner, puis de les appliquer plus tard. Ce processus de transformation de la connaissance est appelé opérationalisation par Mostow [Mos81]. Un tel système est déjà apparu très tôt dans la littérature. McCarthy [McC58] propose un preneur de conseils qui fut la première description d'un système qui pourrait apprendre en étant instruit.

3. L'apprentissage par analogie. L'enseigné acqu1ere de nouvelles connaissances en transformant des connaissances qu'il possède déjà et qui présentent des ressemblances marquantes avec le nouveau concept qu'il doit comprendre. Par exemple, un représentant en aspirateurs qui change de travail aura peu de difficultés à adapter son expertise et à apprendre à vendre des machines à coudre. Ainsi, le travail de

!'enseigné consistera à retrouver dans sa base de connaissances celle qui correspond le mieux à la situation donnée et à la modifier pour en créer une nouvelle qu'il va ensuite ajouter à la base. Peu de systèmes

110 CHAPITRE VIII. L'APPRENTISSAGE

ont été développés dans cette optique, bien que ce soit là encore une des méthodes utilisées par l'être humain. Kling [Kli71], Moore et Newell [MN74], ainsi que Winston [Win79] ont proposé certaines idées sur ce sujet.

4. L'apprentissage par l'exemple. Il s'agit d'une des deux formes de l'apprentissage par induction, qui sera décrit au chapitre suivant.

A partir d'exemples et de contre-exemples d'un concept à apprendre,

!'enseigné doit construire une description d'un concept général qui décrit tous les exemples rencontrés, mais aucun des contre-exemples. Par exemple, considérons le jeu de poker et les exemples et

La généralisation d'une connaissance pour la rendre applicable à une classe plus vaste de situations est l'inférence clé de tout processus d'apprentissage par l'exemple. D'une manière générale, on distingue trois sous-catégories dans cette forme d'apprentissage, en fonction de la provenance des exemples :

• Les exemples et contre-exemples sont fournis par un professeur qui connait le concept à apprendre et qui choisit les exemples et les présente dans un ordre déterminé, afin de faciliter l'appren-tissage du concept.

L'apprentissage automatique 111

• Les exemples et contre-exemples sont générés par le système lui-même, qui connait l'état de sa connaissance mais pas le concept à acquérir. Le choix se fait sur la base d'informations qu'il con-sidère être discriminantes ou qui lui manquent.

• Les exemples et contre-exemples sont extraits de l'environne-ment extérieur. Dans ce cas, les exemples et leur ordre d'arrivée sont aléatoires et il n'est pas garanti que le système possède toutes les informations nécessaires pour inférer le nouveau con-cept.

Une autre distinction peut être faite, à savoir celle qui sépare les systèmes raisonnant seulement à partir d'exemples positifs de cèux qui obtiennent tant des exemples positifs que négatifs. Ces derniers systèmes utilisent les exemples positifs pour généraliser, tandis qu'il utilisent les contre-exemples pour prévenir la surgénéraJisation. Avec seulement des exemples positifs, on court le risque de découvrir des concepts trop généraux. Pour éviter cela, il faut souvent faire appel à la connaissance spécifique du domaine.

5. L'apprentissage par observation ( discovery). C'est la forme la plus générale de l'apprentissage par induction. Les systèmes obéissant à cette stratégie peuvent découvrir de nouveaux concepts, formuler des théories, créer des critères de classification pour former des hiérar-chies taxonomiques, sans intervention aucune d'un enseignant. L'en-seigné raisonne à partir d'une série d'événements, sans savoir lesquels sont des exemples du (ou des) concept(s) à apprendre, ni lesquels en sont des contre-exemples. Il ne connait pas forcément non plus le nombre de concepts qu'il doit apprendre. Ici également, on peut classer ce type d'apprentissage en fonction du degré d'interaction en-tre le système qui apprend et son environnement. Certains systèmes apprennent par observation passive, c'est-à-dire en observant diffé-rents aspects de l'environnement, tandis que d'autres systèmes per-turbent l'environnement et observent les conséquences de ces pertur-bations.

Michalski, Carbonell et Mitchell [MCM83] proposent deux autres critè-res de classification des techniques d'apprentissage :

112 CHAPITRE VIII. L'APPRENTISSAGE

• Classification selon le type de connaissance acquise. Ceci fait intervenir directement la représentation de la connaissance (arbres de décisions, réseaux sémantiques, grammaires formelles, règles de productions, etc - voir chapitre VII).

• Classification selon le domaine d'application (agriculture, chimie, médecine, etc .. ) .

La suite de ce chapitre portera sur la description plus détaillée de cer-taines de ces techniques d'apprentissage et quelques exemples d'applications seront donnés.